基于空间非负矩阵分解的矿产预测研究

深层次挖掘地球化学、遥感等空间数据中隐藏的矿致信息是矿产预测领域的热点问题。非负矩阵分解（NMF）保留了原始矩阵的非负性，并且具有降维性与稀疏特性，本项目针对地球化学、遥感等空间数据的非负性和矿致异常的稀疏性，首次将NMF理论方法引入到矿产预测领域。考虑到NMF不能处理空间数据，而多元空间信息统计分析具有很强的空间分析能力，研究基于空间非负矩阵分解（SpatialNMF）的数据挖掘新理论、新方法并应用于矿产预测。研究内容包括：NMF的目标函数、迭代规则、子空间分类器、NMF与多元空间信息统计分析的结合、算法实现及优化研究、编制程序系统并在两个多金属矿详查区加以验证。项目意义在于NMF及我们提出的空间非负矩阵分解将提高地球化学、遥感等矿产数据的矿致信息挖掘水平，推动矿产预测、环境灾害防治、GIS、文本挖掘、模式识别等具有非负数据特征领域的发展，对地球物理信息挖掘也具有重要理论和实际意义。